[发明专利]融合电网故障案例库的输变电设备故障处理方法及系统

权利要求书

1.一种融合电网故障案例库的输变电设备故障处理方法，其特征在于，包括：

将故障现象文本输入至多层语义和自注意力的文本匹配模型，基于结构化故障案例库，得到设定数量相似的故障案例；

利用自适应权重的关键字匹配算法，计算筛选出的故障案例与电网标准库的关键字匹配度，根据匹配度筛选出超过设定匹配度阈值的电网标准；

将故障现象文本及筛选的电网标准输入至多层语义和自注意力的文本匹配模型，基于电网领域数据库得到设备故障信息及故障维修方案，推送至客户端；

所述多层语义和自注意力的文本匹配模型包括编码层和句级语义交互层，编码层由卷积神经网络CNN和自注意力机制的网络结构构成；

句级语义交互层首先通过池化操作从文本序列中提取基础语义向量，所述基础语义向量表示对当前文本的基本信息；然后，利用注意力机制和上下文向量对文本序列进行多语义提取，每个上下文向量表示不同种语义提取方式，通过注意力机制得到上下文向量和文本序列的权重；接着，使用所述基础语义向量进行两个文本间的语义交互，计算当前基础语义向量和另一个文本的多个语义向量的权重，利用权重和文本序列进行加权求和操作，得到句子级的交互向量；最后，将基础语义信息和句子级的语义交互信息进行融合作为当前文本的语义信息；

编码层通过编码器对文本语句进行语义信息提取，在卷积神经网络的基础上，通过增强版残差连接方法结合自注意力机制的网络结构作为编码器；

在构建结构化故障案例库的过程中，使用图卷积词嵌入的文本分类模型对电网故障文本的故障类别进行分类，首先在全部语料上构建一个简单网络，词语节点间的边是基于词共现方法得到的权重，文本节点和词语节点的边是基于TF-IDF获得的权重，利用图卷积神经网络捕捉词语的全局共现信息并结合当前上下文得到具有全局信息和局部信息的词向量表示，然后利用RNN的捕捉时间序列的特点捕捉文本的时序特征，再利用CNN捕捉词语间的局部特征，最后利用注意力机制有效的融合网络中的长距离语义信息和文本的上下文信息实现文本分类。

2.如权利要求1所述的融合电网故障案例库的输变电设备故障处理方法，其特征在于，所述结构化故障案例库是根据从电网故障文本中提取设备故障信息构建而成。

3.如权利要求2所述的融合电网故障案例库的输变电设备故障处理方法，其特征在于，在构建结构化故障案例库的过程中，采用统一属性模板提取设备故障信息。

4.如权利要求1所述的融合电网故障案例库的输变电设备故障处理方法，其特征在于，计算筛选出的故障案例与电网标准库的关键字匹配度的过程为：

基于设定数量相似的故障案例进行统计，记录不同关键字的权重，得到带权重的关键字列表；

计算当前关键字列表和电网标准的关键字的匹配度。

5.如权利要求1所述的融合电网故障案例库的输变电设备故障处理方法，其特征在于，所述电网领域数据库是基于爬虫技术获取电网故障问答对数据而构建。